For at forstå, hvad prompt engineering er, og hvorfor vi har brug for det, vil vi først gennemgå nogle vigtige emner fra det forrige afsnit:

1. En prompt eller forespørgsel er den inputtekst, der gives til modellen for at starte en samtale eller anmode om et svar. Det fungerer som brugerens besked eller spørgsmål, der får modellen til at generere et tekstbaseret svar;

2. Den måde, ChatGPT reagerer på, kan påvirkes af hvordan en forespørgsel formuleres; hvis du omformulerer det samme spørgsmål ved hjælp af forskellige ord, kan modellen generere varierende svar.

Baseret på disse to emner kan vi forstå, hvad prompt engineering er: det er processen med omhyggeligt at udforme og strukturere input prompts eller forespørgsler for at fremkalde ønskede svar fra modellen.

Lad os se på eksemplerne:

Dårlig prompt

Dette betragtes som "dårligt" af nogle få grunde:

1. Mangel på Specificitet: Prompten er meget bred og specificerer ikke, hvilke videnskabsfolk eller videnskabsområder brugeren er interesseret i. Den giver ikke modellen klar vejledning om omfanget af svaret;

2. Uklare Forventninger: Den angiver ikke, hvilken slags information brugeren søger om videnskabsfolk. Er de interesserede i biografier, videnskabelige bidrag, historisk kontekst eller noget andet? Uden denne klarhed kan svaret muligvis ikke opfylde brugerens forventninger;

3. Åben Endet: Prompten er åben endet, hvilket kan føre til et generisk eller generelt svar, der måske ikke er særligt informativt eller engagerende.

Lad os ændre denne prompt for at få et mere specifikt resultat.

God prompt

Den "gode" prompt er effektiv, fordi den giver specificitet, kontekst og klar vejledning. Den specificerer emnet (indflydelsesrige videnskabsfolk inden for fysik) og typen af ønsket information (nøgleopdagelser), hvilket gør det lettere for ChatGPT at generere et relevant og informativt svar, der stemmer overens med brugerens forventninger.